The field of agricultural communication is evolving rapidly with the advent of generative artificial intelligence (AI), particularly image generation technologies. As these tools begin to influence how agricultural data is visualized and disseminated, the sector's diversity spanning both technical and non-technical researchers, demands a rigorous foundational study to demystify the image generation process. This research investigated the role of artificial intelligence (AI), specifically the DALL.E model by OpenAI, in advancing data generation and visualization techniques in agriculture. DALL.E, an advanced AI image generator, works alongside ChatGPT's language processing to transform text descriptions and image clues into realistic visual representations of the content. The study used both approaches of image generation: text-to-image and image-to-image (variation). Six types of datasets depicting fruit crop environment were generated. These AI-generated images were then compared against ground truth images captured by sensors in real agricultural fields. The comparison was based on Peak Signal-to-Noise Ratio (PSNR) and Feature Similarity Index (FSIM) metrics. The image-to-image generation exhibited a 5.78% increase in average PSNR over text-to-image methods, signifying superior image clarity and quality. However, this method also resulted in a 10.23% decrease in average FSIM, indicating a diminished structural and textural similarity to the original images. Similar to these measures, human evaluation also showed that images generated using image-to-image-based method were more realistic compared to those generated with text-to-image approach. The results highlighted DALL.E's potential in generating realistic agricultural image datasets and thus accelerating the development and adoption of imaging-based precision agricultural solutions.

Bản dịch tiếng Việt:

Lĩnh vực truyền thông nông nghiệp đang phát triển nhanh chóng với sự ra đời của trí tuệ nhân tạo (AI), đặc biệt là công nghệ tạo hình ảnh. Khi những công cụ này bắt đầu ảnh hưởng đến cách hiển thị và phổ biến dữ liệu nông nghiệp, thì sự đa dạng của ngành bao gồm cả các nhà nghiên cứu kỹ thuật và phi kỹ thuật, đòi hỏi phải có một nghiên cứu cơ bản nghiêm ngặt để làm sáng tỏ quá trình tạo hình ảnh. Nghiên cứu này nghiên cứu vai trò của trí tuệ nhân tạo (AI), cụ thể là mô hình DALL.E của OpenAI, trong việc thúc đẩy các kỹ thuật tạo và hiển thị dữ liệu trong nông nghiệp. DALL.E, một trình tạo hình ảnh AI tiên tiến, hoạt động cùng với quá trình xử lý ngôn ngữ của ChatGPT để chuyển đổi các mô tả văn bản và manh mối hình ảnh thành các hình ảnh thể hiện nội dung thực tế. Nghiên cứu đã sử dụng cả hai phương pháp tạo hình ảnh: văn bản thành hình ảnh và hình ảnh thành hình ảnh (biến thể). Sáu loại bộ dữ liệu mô tả môi trường trồng cây ăn quả đã được tạo ra. Những hình ảnh do AI tạo ra này sau đó được so sánh với hình ảnh thực tế trên mặt đất được ghi lại bởi các cảm biến trên các cánh đồng nông nghiệp thực tế. Việc so sánh dựa trên các chỉ số Tỷ lệ tín hiệu trên nhiễu cao nhất (PSNR) và Chỉ số tương tự tính năng (FSIM). Việc tạo hình ảnh thành hình ảnh cho thấy PSNR trung bình tăng 5,78% so với các phương pháp chuyển văn bản thành hình ảnh, cho thấy chất lượng và độ rõ nét của hình ảnh vượt trội. Tuy nhiên, phương pháp này cũng làm giảm FSIM trung bình 10,23%, cho thấy sự tương đồng về cấu trúc và kết cấu với ảnh gốc giảm đi. Tương tự như các biện pháp này, đánh giá của con người cũng cho thấy hình ảnh được tạo bằng phương pháp chuyển văn bản thành hình ảnh sẽ chân thực hơn so với hình ảnh được tạo bằng phương pháp chuyển văn bản thành hình ảnh. Các kết quả nêu bật tiềm năng của DALL.E trong việc tạo ra các bộ dữ liệu hình ảnh nông nghiệp thực tế và do đó thúc đẩy sự phát triển và áp dụng các giải pháp nông nghiệp chính xác dựa trên hình ảnh.

Document Ready

Click below to load the full PDF document natively.